Lars Nikolai Stevenson und künstliche Intelligenz: Was frühe KI-Projekte über heutige Anwendungen zeigen

Künstliche Intelligenz wird heute vor allem mit generativen Sprachmodellen verbunden. Lars Nikolai Stevenson beschäftigte sich jedoch bereits deutlich früher mit KI-basierten Anwendungen. Als Gründer und Geschäftsführer der Human Machine Intelligence GmbH (HMI) arbeitete er Ende der 2000er-Jahre an Systemen für natürliche Sprache, Bild- und Datenverarbeitung.

Im Mittelpunkt stand eine praktische Frage: Wie muss Technik gestaltet sein, damit sie Menschen konkrete Aufgaben erleichtert? Mit der damaligen GmbH verfolgte Stevenson einen nutzerorientierten Ansatz. Systeme sollten natürliche Sprache verstehen, visuelle Informationen verarbeiten und Daten nicht nur nach Begriffen, sondern auch nach Sinnzusammenhängen auswerten.

Lars Nikolai Stevenson und frühe Anwendungen künstlicher Intelligenz

Die damaligen HMI-Unterlagen beschreiben Anwendungen, die den Sinn natürlich formulierter Sätze erfassen sollten. Hinzu kamen Video- und Bilderkennung sowie die Verarbeitung von Informationen aus E-Mails, SMS und Datenbanken. Zum technischen Konzept gehörten neuronale Netze und lernfähige Strukturen.

Wichtig war zugleich die Einbindung in bestehende Systeme. Die Technik sollte vorhandene Funktionen nutzen und sich in bestehende Umgebungen integrieren lassen. Das Unternehmen verband damit technische Entwicklung mit konkreten Nutzungsszenarien. Genannt wurden unter anderem Zeitersparnis, einfachere Bedienung und ein barriereärmerer Zugang zu Technik. Auch die Suche nach Informationen anhand von Bedeutung und Zusammenhang gehörte zu den vorgesehenen Anwendungen.

Auch außerhalb des Unternehmens fand die Entwicklung Beachtung. 2009 gehörte HMI beim Innovationspreis-IT zu den Nominierten aus Baden-Württemberg. 2011 erhielt das Unternehmen den Deutschen Innovationspreis in der Kategorie Start-ups. Stevenson nahm die Auszeichnung als Gründer und Geschäftsführer entgegen. Die Jury hob besonders die Verarbeitung natürlicher Sprache in ganzen Sätzen hervor.

Von natürlicher Sprache zur semantischen Suche

Besonders auffällig wirkt aus heutiger Sicht die damals beschriebene „Suche in Daten nach Sinn“. Gemeint war eine Suche, die nicht allein einzelne Begriffe abgleichen sollte. Sie sollte Kontext und Bedeutung einer Anfrage berücksichtigen und dadurch relevantere Ergebnisse liefern.

Darin liegen konzeptionelle Parallelen zu heutigen semantischen Suchsystemen und KI-Assistenten. Dort können Nutzer Fragen in natürlicher Sprache formulieren und inhaltlich passende Antworten statt reiner Trefferlisten erhalten. Auch visuelle Erkennung, lernende Systeme und kontextbezogene Datenverarbeitung gehören inzwischen zu modernen KI-Anwendungen.

Das bedeutet nicht, dass Stevensons Unternehmung heutige generative KI vorweggenommen hätte. Ein heutiges Large Language Model arbeitet nach anderen technischen Prinzipien. Vergleichbar ist vielmehr die Fragestellung: Wie können Maschinen Bedeutung besser erfassen und Informationen für Menschen leichter nutzbar machen?

Für den Unternehmer Lars Stevenson blieb dahinter eine weitere Frage entscheidend: Welchen konkreten Nutzen schafft die Technologie? Technischer Anspruch allein macht noch kein tragfähiges Produkt. Besonders relevant wird neue Technik dort, wo sie vorhandene Abläufe sinnvoll ergänzt.

Wenn technologische Entwicklung und Marktbereitschaft auseinanderliegen

Zugleich zeigt sich, dass technische Entwicklung und wirtschaftliche Verbreitung unterschiedlichen Geschwindigkeiten folgen können. Eine funktionierende Technologie trifft nicht automatisch auf einen aufnahmebereiten Markt. Entscheidend ist auch, ob Markt, Infrastruktur und Nutzer für eine neue Lösung bereit sind.

Gerade in frühen Unternehmensphasen kommen Finanzierung, Vertrieb, Teamaufbau und erste Reaktionen des Marktes hinzu. Eine technisch überzeugende Idee muss deshalb erst zu einem tragfähigen Angebot werden.

Für heutige KI-Anwendungen ergibt sich daraus eine nüchterne Trennung. KI kann Daten analysieren, Muster erkennen und Prozesse unterstützen. Unternehmerische Entscheidungen verlangen darüber hinaus Erfahrung, Kontext und die Bewertung möglicher Folgen. Welche Aufgaben ein System übernehmen sollte, ist deshalb ebenso wichtig wie die Frage, welche Aufgaben es technisch übernehmen kann.

Weiterführender Beitrag: Fünf Voraussetzungen für erfolgreiche Geschäfte zwischen Europa und Asien